[发明专利]一种压缩采样模数转换器误差校准方法

说明书

本发明涉及一种进行误差校准的压缩采样模数转换器信号处理方法，属于混合信号集成电路设计领域；本发明针对压缩采样模数转换器系统中电路实现中不可避免的非理想因素及其对后续信号恢复带来的影响，提出了在传统信号处理流程基础上增加误差估计及信号校准的思路，提出了“信号观测——误差估计——信号校准——信号恢复”的信号处理流程，可依据不同结构设定不同误差模型，并对硬件误差进行估计，对硬件观测信号进行校准，再将校准过的信号送入恢复模块，可有效消除压缩采样实际电路中非理想因素带来的性能恶化，在恢复前对采样信号进行校准，改善信号的恢复效果，实现更好的系统实现效果。

技术领域

本发明是一种压缩采样模数转换器误差校准方法，属于混合信号集成电路设计技术领域。

背景技术

模数转换器(Analog-to-Digital Converter，以下简称ADC)的基本思想是将连续的一定范围内的模拟信号，通过采样、保持、量化、编码的步骤，用特定的方式进行量化，将量化结果用一组特定的数字编码来表示，并使之作为数字处理系统的输入信号。传统的模数转换器受到奈奎斯特(Nyquist)采样定理的限制，必须以高于处理信号带宽二倍的频率对信号进行采样，因此高频信号处理方面的应用对ADC的性能提出了更高的要求，受制于工艺等因素，目前量化器的速度与精度无法与当前数字处理系统所处理的信息要求相匹配。

自然界的信息通常包含大量冗余，具有较高的可压缩性，传统的处理方法中在模数转换阶段依据Nyquist采样定理对信息进行完全采集，再输入到数字系统进行压缩，然后对压缩的结果进行传输或者存储。但是这种方式存在一定缺陷，即中间环节包含大量冗余信息的处理过程，而且需要引入额外的数字系统进行压缩编码，增加了硬件实现的成本。

压缩采样理论在2006年由Candes和Donoho等人提出，其核心思想是针对自然界的信号通常具有稀疏性这一特点，在采样阶段即实现数据压缩，用随机矩阵进行信号的观测，观测结果的采样频率远低于Nyquist频率，利用先验的信号稀疏性，在数字系统中进行信息的重构，随后进行处理。压缩采样理论可以用如下的公式表示，对于一个N维稀疏信号x，用一个M×N(M<<N)的观测矩阵Φ去观测，得到一个M维的观测结果，再根据信号的稀疏性完成信号的恢复：

将压缩采样理论应用到模数转换器的实现，即为压缩采样模数转换器，其在实现过程中有两项工作难点：

首先，与传统的模数转换器结构相比，压缩采样模数转换器在完成硬件层面对模拟信号的采样量化之后，得到的并非满足Nyquist采样定理的对原始信号的直接采样量化结果，而是降低了采样率的压缩采样数据点的量化结果，欲得到原始信号信息还需要根据压缩采样理论，根据原始信号的稀疏性应用凸优化等方法进行信号的恢复。即传统模数转换器从模拟信号输入到数字信号输出，需要经过采样、保持、量化、编码四个过程，而压缩采样模数转换器则需要稀疏变换、压缩采样、保持、量化、编码、信号恢复等六个过程，对整个系统设计提出了新的要求。

其次，与应用到数字图像处理等领域不同，将压缩采样理论应用到模数转换器的设计实现中，压缩采样不再只是软件层面的算法实现工作，需要将信号的稀疏变换及压缩采样通过硬件实现，而信号恢复需要使用恢复算法对压缩采样得到的数字编码信号进行恢复，成为了一项需要多平台、软硬件结合的工作，传统的在软件层面进行的恢复算法研究需要针对硬件实现带来的诸多新的问题进行改进。

发明内容

本发明的目的是提出一种压缩采样模数转换器误差校准方法，针对的问题是，在压缩采样模数转换器在硬件实现中，会由于量化器的存在而引入量化误差，同时存在电容失配、工艺偏差、系统噪声等影响，如不考虑硬件实现带来的诸多误差，直接使用传统的恢复算法，会导致恢复效果恶化，使得整个系统实现的精度等指标降低，考虑硬件因素，应用本发明的误差校准方法，可有效提高系统性能。